共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN) 、长短时记忆( LSTM)
网络与注意力机制(AM)的动态集成状态预测方法。 首先,利用 CNN 将样本数据划分为边界有重叠的不同类别,实现风机
运行状态的软分类;其次,在传统的 LSTM 网络的中引入 AM 层,构造不同工况下的 LSTM-AM 子模型,并将 CNN 输出的软分
类标签作为初始权值,使用遗传算法对权值偏置进行搜索寻优;最后,对各个子模型的输出值加权求和,得到风机不同运行
状态下的集成预测值。 实验结果表明,相较各个 LSTM-AM 子模型和单一 LSTM-AM 模型,本文提出的基于 CNN-LSTM-AM 的
动态集成模型在电站风机变负荷运行时可以将预测结果的均方根误差分别减小 11. 5% 和 22. 3% ,说明此模型具有更好的鲁
棒性和适用性。 相似文献
3.
4.
5.
针对故障数据集不平衡而导致的误分类问题,在分析了不平衡数据对传统分类器影响的基础上,提出了一种基于高斯云模型正向、逆向云发生算法的样本再生成技术。首先,针对样本较少的类别,以现有样本特征值为逆向云算法的输入,计算出特征云模型的期望Ex、熵En和超熵He这3个指标;其次,以Ex,En和He为正向云发生算法的输入,衍生出数据量远大于原有样本的云滴(xi,yi),采集若干云滴的x值作为新的样本特征值,补充了样本数量较少的类,在数据层面解决了不平衡问题;然后,借助集成极限学习机(ensemble extreme learning machine,简称E-ELM)对补充后的平衡数据集进行分类学习,在算法层面提高了最终的分类精度;最后,在一个滚动轴承故障数据集上验证了所提方法的有效性。 相似文献
6.
选取镦粗缸活塞运动速度、砧子缸活塞运动速度、镦粗压力和加热时间作为输入参数,加热电流作为输出参数,并用数学模型、BP神经网络、加法网络、乘法网络以及神经网络与机理模型综合集成的五种方案来对加热电流进行预报。比较结果表明,综合集成模型将数学模型的知识集成到网络结构中,在“小样本”时,不仅能减少连接权值,而且能加快训练速度,提高泛化能力,在电镦机加热电流的预报中取得了良好效果。 相似文献
7.
针对误差反向传播(back propagation,简称BP)神经网络在作为传统Bagging集成学习机中的基分类器时,存在相互之间差异性偏低的问题,引入一种特征扰动法对集成学习机的分类性能进行改进。首先,将Relief?F特征评估算法和改进轮盘赌选择法进行结合,并设置基分类器的数目为30个,从转子故障特征集中选择出30个特征子集,每个特征子集的故障特征维数为30;其次,将训练集和测试集分别投影在对应的30个故障特征子集上,得到对应于30个基分类器的系列训练子集和测试子集,通过此方式实现了特征扰动环节;最后,利用Bagging集成学习机中自带的自助采样法对各训练子集进行处理,使其在最终输入至各基分类器时在特征空间和样本集合上都具有一定的差异性,间接使训练后的基分类器之间显示出更高的差异性,让最终的分类结果可信度更高。用一种低维双跨转子故障数据集对该集成学习方法进行类别辨识的结果表明,本方法能够显著提高BP网络的辨识准确率,并且具有良好的抗干扰性能。 相似文献
8.
9.
基于灰色预测和BP的集气管压力集成预测方法 总被引:2,自引:1,他引:1
针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然后采用熵值法确定各预测子模型的加权系数,将两个子模型进行加权集成,可以获得较为准确的焦炉集气管压力值。将其预测性能与单一的灰色模型和BP神经网络模型进行比较,运行结果表明:集成预测模型的预测效果和性能优于单一的灰色模型和BP神经网络预测模型,能够获得较高的预测精度。 相似文献
10.
《机电工程》2021,38(9)
由于强噪声和非线性、非平稳性等特性,导致滚动轴承振动信号存在难以提取和其工况状态难以辨识的问题,对此提出了一种基于改进集成多隐层小波极限学习神经网络的滚动轴承故障识别模型。首先,使用了谱分割小波变换,将采集到的滚动轴承振动信号分解为若干本征模态分量;然后,选择了较能反映轴承运行工况特征的模态分量,并加以了重构;最后,利用了不同小波函数设计了不同的多隐层小波极限学习神经网络,并加入了卷积机制,将重构后的信号输入不同的深层网络,进行了特征学习与故障识别,利用集成方法得到了最后的滚动轴承故障识别结果。研究结果表明:提出方法的平均故障识别准确率达到99.42%,标准差仅为0.11;该方法自动特征提取能力和工况识别能力优于深度稀疏自动编码器、深度降噪自动编码器和深度信念网络等深度学习方法,适用于滚动轴承故障的自动识别。 相似文献
11.
高效地建立起板形模型有利于提高板带轧制过程中的板形精度和有效实现板形控制。提出了一种基于极限学习机(ELM)的板带轧制过程中板形预测模型,不但可以简化参数选择过程,在核函数选择上可以根据训练样本值自动选择无须手动选择,而且可以提高模型的训练速度。结合铝板带四连轧机组在线实测数据进行模型训练,实现对轧制过程板形的预测且得到实验验证。本算法与支持向量机(SVM)模型预测对比,在训练样本数量较少的情况下,模型预测精度都能达到期望精度值,且具有同样甚至更高的预测精度,还具有急速的特点和更强的泛化能力。 相似文献
12.
13.
通过对机械可靠性设计的主要特点和设计原则及对矿井提升机可靠性设计基础的研究,以矿井提升机主轴滚动轴承为例,探讨了可靠性设计在矿井提升机设计中的应用. 相似文献
14.
15.
16.
17.
18.
以灰色系统理论和泊松计数过程为基础,对滚动轴承性能不确定性进行参数量化,并在设定阈值条件下研究不同工况下轴承性能可靠性,进而建立其性能不确定性与可靠性匹配序列,以寻找轴承服役期间两者之间的内在联系。根据轴承运转期间某属性时间序列,进行灰自助处理得到该属性的不确定性;然后参考设定阈值进行泊松计数,获得该时间序列的有效变异强度,进而得到其性能运转可靠性;最后分析不确定性与可靠性两者之间的灰关系。实验结果显示,滚动轴承性能不确定性与可靠性的演变状况可以被真实描述,两者归一化处理结果十分相像,有着明显的灰关系,各案例的实验结果保持良好的一致性。 相似文献
19.
20.
基于灰置信水平、自助-最小二乘法和最大熵原理建立动态预测模型,并应用于卫星动量轮轴承摩擦力矩性能可靠性的动态预测。首先,对摩擦力矩原始数据分组得到样本,并选定本征样本,提出了由灰置信水平求解各样本变异强度的新方法,进而求得各样本可靠度的实际值;其次,将紧邻的5个样本变异强度融入自助-最小二乘法线性拟合得到拟合系数,由最大熵原理得到下一个样本的变异强度预测值和上下区间;然后,持续更新紧邻的5个变异强度,得到各样本可靠度的预测值和上下区间,最终实现滚动轴承摩擦力矩性能可靠性的动态预测。试验结果表明,恒转速条件下可靠度预测误差均小于4.1%,变转速条件下可靠度预测误差不超过9.4%,充分验证了所提出动态预测模型的可行性和正确性。 相似文献